工作流那篇的结尾留了一句话——

“再往后——当AI不只是按图纸施工，而是学会了自己画图纸，那就是智能体了。”

这篇，就讲这件事。

智能体：从按图施工到自己画图

工作流是把路线画好，AI照着跑。第一步查天气，第二步写建议，第三步存笔记。每一步都是人定的。AI不看路，只看图纸。

智能体把这个逻辑翻转了。

人只给终点——“帮我了解今天适不适合出门。“路怎么走，AI自己判断。

核心区别只有一个：谁来决定"下一步”。

工作流：人画路线，AI跑腿。 智能体：人定终点，AI自己找路。

智能体怎么运作的：一个四字循环

不需要代码。智能体的运行就是一个循环：

看 → 想 → 做 → 回头再看。

“帮我了解今天适不适合出门”——

1. 看：收到目标，检查当前状态
2. 想：要出门，得知道天气。用户没说城市，默认成都吧。还需要空气质量吗？先查天气再说。
3. 做：调用天气工具，查到"成都，晴，28°C”
4. 回头再看：天气不错。还需要查别的吗？问一下用户要不要继续。目标基本完成。

每一步之后，智能体把新信息加进上下文，重新判断下一步。智能体每一步的"想"和"回头看"，都依赖上下文里积累了什么。上一步查到的天气、用户之前的偏好、还没完成的子目标——全靠上下文工程撑着。上下文工程是智能体的地基。

工作流 vs 智能体

工作流和智能体不是对立的。工作流是智能体的地基——不理解怎么串步骤，就没法理解智能体怎么自己规划步骤。上一篇说的"学工作流恰恰是为了驾驭智能体"，就是这个意思。

用扣子搭过 Bot？给它规则和工具，它自己判断怎么回答——这就是智能体。登录过 WorkBuddy，让它帮忙整理文档、填表格？也是一个智能体在电脑上干活。智能体不是未来概念。是已经在身边的东西。

驾驭工程：能动手，就得有缰绳

为什么对话AI不需要驾驭，智能体需要

跟AI聊天，聊崩了，重新发一条。

智能体不一样。它能读文件、写文件、删文件、发消息、操作软件。它能动手。

能动手，就有改错东西的风险。

这不是"智能体更聪明所以要管住"。是能力边界不同。对话AI的边界停在对话框里，无论如何伤不到桌面上的东西。智能体的手伸出来了——伸得越远，摔东西的概率越大。

自由越大，缰绳越要紧。

驾驭的三层机制

从松到紧，三层叠加：

第一层：规则约束。 在智能体开始干活前，先告诉它什么能做、什么不能做。“不要删除文件"“不确定的事先问"“回复用中文”。这些规则写在上下文的最前端——还记得上下文工程那篇的首因效应吗？放在最前面的东西，智能体最不容易忘。

但规则只是文字建议。智能体可以不遵守。越长的任务，上下文越被推远，规则越容易"沉底”。

第二层：审批关卡。 有些动作，智能体不能自己做——必须等人点头。删文件？弹确认框。发邮件？先预览。花超过1块钱？暂停等人审批。

这层不是依赖智能体听话，是依赖系统拦截。智能体不知道人在看着，它只是在等。

第三层：环境隔离。 最紧的一层。智能体跑在一个笼子里。能读的文件、能访问的网络、能用的工具——全部限定。即使智能体发了疯，破坏范围也是可控的。

三层叠起来：规则说方向，关卡管执行，环境兜底线。

Codex 的三个审批模式就是这三层的现实版——“从不审批"最松，“每一步都审批"最紧，“失败时审批"取中间。同一个智能体，同一个能力，不同的驾驭设置，就是不同的风险偏好。

驾驭工程要回答的不是"智能体能做什么”，而是"人不让它做什么，以及怎么不让”。

多智能体协作：不止一个智能体

为什么一个不够

注意力是稀缺的。一个智能体同时管搜索、写作、审校——每件事都要占注意力，每件事都做不深。像一个编辑同时做记者、校对、美编——不是不行，是每件都打折。

多智能体就是把事情拆给多个智能体，每人负责自己最擅长的部分。

三种组织方式

串行。 一个接一个，像接力赛。研究员智能体 → 写作者智能体 → 审校智能体。上一步的输出是下一步的输入。适合有明确阶段的任务。

并行。 同时跑，像突击队。智能体A搜中文资料，智能体B搜英文资料，两边互不依赖，最后合并结果。

调度模式。 一个总调度 + 多个专干。这是实际产品里最常见的模式——扣子的多 Agent 编排、WorkBuddy 最多 8 个 Agent 并行，都是这种。总调度拆任务、分派子智能体、汇总结果；专干只做事、不操心全局。

串行和并行说的是任务怎么排。调度模式说的是谁在指挥。两个维度，两种效率。

多一个智能体，多一层驾驭

单个智能体的驾驭是"人不让智能体乱来”。多智能体的驾驭多了一层——“调度智能体不让专干智能体乱来”。

三个实际问题：

衔接风险。 研究员给的材料有错，写作者基于错误写，审校也不会怀疑材料。错误在传递中被封存。每一步都需要检查上一步的输出。

权限隔离。 研究员只需要搜索权限，不需要写文件。写作者需要读写文件。审校可能需要读写但不需要搜索。每个智能体只给到它需要的最小权限——不多给。

调度本身的失控。 调度模式如果判断错了方向，会把整个团队带偏。驾驭从人→智能体延伸到了智能体→智能体。这才是驾驭工程在智能体时代真正要面对的问题。

什么时候用工作流，什么时候用智能体

看完"工作流篇"和"智能体篇”，最自然的困惑就是这个。理解工作流是为了更好地驾驭智能体。但具体到一个任务，你需要在两者之间做选择。

三个判断标准：

步骤确定、不需要中途判断 → 工作流。 每周整理 AI 新闻、每天定时备份文件——流程固定，不需要 AI 动脑子选路线。画好图，让它跑。

需要中途看情况调整、目标明确但路径不确定 → 智能体。 “帮我研究一个选题”——搜什么、搜多少、怎么整合，没法提前画图。给目标，让它自己找路。

多个子任务需要不同专长 → 多智能体。 写一篇深度文章——查资料要广度、写初稿要文笔、审校要挑剔。三种能力，三个智能体，一个调度。

一句话：能画图纸的用工作流，画不出图纸的用智能体。

两条路线

回到现实。2026年上半年国内智能体产品跑得飞快。按底层逻辑，分两条路线。

Bot 搭建：AI在对话框里。 搭一个 Bot——设定角色、配工具、配知识库。用户看到的是一个对话框，Bot 在背后自己判断怎么回答、什么时候调工具。扣子、Dify都是这个路线。

桌面操作：AI在桌面上。 不是聊天。是让 AI 替人操作电脑——打开浏览器、登录系统、填表格、发消息。像雇了一个数字员工。WorkBuddy、钉钉悟空、字节 Aily，走的是这条路线。

前五篇文章——提示工程、上下文工程、工具调用、工作流——本质上都在讲 Bot 搭建方向的东西。桌面操作是一个新维度：AI 不再是对话对象，它成了一个能代替人动手的数字员工。

提示工程回答"怎么说"。 上下文工程回答"怎么记"。 工具调用回答"怎么动手"。 工作流回答"怎么串起来"。 智能体回答"怎么自己决定"。

一条递进线，五步。

文科生学AI，该看到的都看到了。概念地图画好了，路线走完了。

再往后——不是学新概念，是开始用。

如果这篇文章让你对智能体有了一个整体的认识，欢迎点赞分享，推荐给同样在学 AI 的朋友。

你已经在用智能体了吗？扣子、WorkBuddy——用过的，好用的，欢迎留言聊聊。